一种基于改进Yolox的SMT产线焊点缺陷快速检测方法及系统(高校公示15天)(不包年费滞纳金)(需要二变)
本发明公开了一种基于改进Yolox的SMT产线焊点缺陷快速检测方法及系统,该方法通过收集产线AOI设备所储存的焊点缺陷图像数据进行预处理,并按比例划分训练集和测试集;对Yolox神经网络结构进行改进,调整模型改进后backbone部分输出的size,以匹配neck网络部分,得到改进的Yolox神经网络模型;利用训练集和测试集对改进的Yolox神经网络进行模型训练和测试,得到SMT产线焊点缺陷目标检测模型;其中SMT产线焊点缺陷目标检测模型的输入为PCBA图像,输出为缺陷定位与分类;将检测模型嵌入SMT产线的AOI系统中,降低了神经网络模型的部署难度。使用目标检测模型对SMT产线上的PCBA焊点进行目标检测,可以有效提高SMT产线焊点质量检测的精度和效率。
《一种基于改进Yolox的SMT产线焊点缺陷快速检测方法及系统(高校公示15天)(不包年费滞纳金)(需要二变)》是一发明专利,专利号为 2022104500218,当前法律状态为已下证,由桂林电子科技大学提出申请,发明人为黄春跃;廖帅冬;张怀权;李茂林;龚锦锋,申请日期为2022-04-27,公开(公告)日期为2024-03-29,国际专利分类号(IPC)为 G06T 7/00 (2017.01),高新资质:未报高企。该专利已下发证书,权利稳定,适合直接办理转让过户,是企业申报高企、项目招投标、质押融资的优质标的。赋翼网提供从选品、尽调、合同签订到官方著录项目变更(过户)的一站式专利转让服务,专业顾问全程协助,确保交易合规、安全、高效。专利摘要:本发明公开了一种基于改进Yolox的SMT产线焊点缺陷快速检测方法及系统,该方法通过收集产线AOI设备所储存的焊点缺陷图像数据进行预处理,并按比例划分训练集和测试集;对Yolox神经网络结构进行改进,调整模型改进后backbone部分输出的size,以匹配neck网络部分,得到改进的Yolox神经网络模型;利用训练集和测试集对改进的Yolox神经网络进行模型训练和测试,得到SMT产线焊点缺陷目标检测模型;其中SMT产线焊点缺陷目标检测模型的输入为PCBA图像,输出为缺陷定位与分类;将检测模型嵌入SMT产线的AOI系统中,降低了神经网络模型的部署难度。使用目标检测模型对SMT产线上的PCBA焊点进行目标检测,可以有效提高SMT产线焊点质量检测的精度和效率。
海量优质专利即买即用,四大核心优势助您弯道超车:
🏆 拿资质,享红利:高企认定、专精特新必备!轻松获取政府补贴、税收减免,招投标直接加分!
💎 增信誉,融资金:支持实缴注册资金,彰显企业硬实力;支持专利质押贷款,盘活现金流,扩张不缺钱!
🔥 强背书,防抄袭:印上“专利产品”,客户更信赖!构建技术壁垒,把竞争对手挡在门外,稳占市场份额!
🚀 省时间,快变现:告别漫长研发与高风险!优质专利即买即用,让技术立刻变成真金白银的利润!
